Sonnet 4.6 expliqué : le nouveau modèle intermédiaire d’Anthropic est arrivé

Claude Sonnet 4.6 est sorti aujourd’hui, et le principal enseignement n’est pas simplement qu’« il est meilleur ». C’est que les développeurs qui y ont eu accès en avant-première l’ont préféré au modèle haut de gamme d’Anthropic, Opus, dans 59 % des cas. Le modèle le moins cher bat donc le plus coûteux.

Pour commencer, le résumé express

Si vous n’avez que deux minutes, voici ce qu’il faut retenir. Sonnet 4.6 est une mise à niveau complète pour le codage, l’utilisation d’un ordinateur, le raisonnement sur de longs contextes, la planification par les agents et le design. Mais voici ce qui compte vraiment au quotidien :

• Il peut utiliser votre ordinateur comme un humain.
• • Anthropic a présenté pour la première fois l’utilisation d’un ordinateur en octobre 2024, en la qualifiant d’« expérimentale ».
  • Seize mois plus tard, les premiers utilisateurs font état de capacités de niveau humain pour des tâches comme la navigation dans des feuilles de calcul complexes et le remplissage de formulaires web en plusieurs étapes sur plusieurs onglets de navigateur.
  • Le benchmark OSWorld (qui évalue des tâches logicielles réelles sur un ordinateur simulé) montre des progrès réguliers et significatifs à chaque nouvelle version de Sonnet.
• Fenêtre de contexte d’un million de tokens (en bêta).
• • C’est suffisant pour conserver dans une seule requête une base de code entière, une pile de contrats juridiques ou des dizaines d’articles de recherche.
  • Et contrairement à certains modèles qui perdent le fil au milieu d’un long document, Sonnet 4.6 raisonne réellement sur l’ensemble de son contenu.
• Les utilisateurs de Claude Code l’adorent.
• • Les testeurs l’ont préféré au Sonnet précédent dans 70 % des cas, signalant moins d’hallucinations, moins de sur-ingénierie et un meilleur suivi des tâches en plusieurs étapes.
  • Le principal défaut qui exaspérait les développeurs — le modèle qui affirme avec assurance avoir terminé quelque chose alors que ce n’est pas le cas — se produit beaucoup moins souvent.
• Excel bénéficie de connecteurs MCP. Claude dans Excel se connecte désormais à S&P Global, PitchBook, Moody’s, FactSet et d’autres services, ce qui permet d’importer des données externes dans sa feuille de calcul sans la quitter. Si vous travaillez dans la finance, c’est une évolution majeure.

Un détail a attiré notre attention : dans une compétition commerciale simulée appelée Vending-Bench Arena, Sonnet 4.6 a élaboré sa propre stratégie. Il a beaucoup investi dans les capacités pendant 10 mois, puis a opéré un virage brutal vers la rentabilité et écrasé la concurrence. Personne ne lui avait demandé de le faire.

Les détails : le tarif reste identique à celui de Sonnet 4.5 (3/15 dollars US par million de tokens), et il s’agit déjà du modèle par défaut pour les utilisateurs gratuits et Pro de claude.ai. Si vous payez Opus pour obtenir des résultats fiables, il peut être intéressant de vérifier si Sonnet 4.6 vous permet d’obtenir 90 % du résultat pour une fraction du prix.

À présent, entrons davantage dans le détail.

Le Sonnet 4.6 d’Anthropic est le modèle d’IA conçu pour « l’ère des agents »

L’IA suit un schéma récurrent : une entreprise sort son modèle le plus performant et le plus cher. Tout le monde s’accorde à dire qu’il est extraordinaire. Puis, quelques mois plus tard, la même entreprise condense ce même niveau d’intelligence dans un modèle plus rapide et moins cher — et c’est celui qui finit réellement par changer la manière dont les gens travaillent.

Anthropic vient exactement de faire cela. Le 17 février, Claude Sonnet 4.6 est arrivé comme nouveau modèle par défaut dans les offres gratuites et Pro de Claude. Sur le papier, ce n’est « qu’un » Sonnet (la gamme de modèles intermédiaires d’Anthropic, située sous le modèle phare Opus). Lors de notre livestream mardi, nous avons globalement eu l’impression qu’il s’agissait simplement d’un autre Sonnet. Mais en pratique, lorsqu’il est spécifiquement appliqué aux tâches agentiques, les benchmarks d’Anthropic montrent qu’il égale ou dépasse Opus 4.6 dans les tâches qui comptent le plus pour les personnes qui utilisent l’IA comme outil de travail quotidien : utilisation d’un ordinateur, tâches bureautiques, analyse financière, automatisation du navigateur et planification à long horizon.

Comme indiqué plus haut, le tarif reste identique à celui de Sonnet 4.5 : 3 dollars US par million de tokens d’entrée et 15 dollars US par million de tokens de sortie. C’est un cinquième du prix d’Opus 4.6. Et pour tous ceux qui voient leur facture d’API atteindre plusieurs centaines de dollars par jour en exécutant des workflows agentiques, ce n’est pas seulement une remise appréciable. C’est la différence entre une « expérience sympa » et un « outil professionnel viable ».

Comme l’a formulé Will Brown sur X : « Sonnet 4.6 est le premier LLM phare depuis BloombergGPT à cibler principalement le monde de la finance. » Il plaisante à moitié, mais à moitié seulement. Ce modèle a clairement été entraîné en pensant aux agents, comme le montrent les benchmarks.

Examinons tout ce qui rend Sonnet 4.6 important, des chiffres clés aux éléments étranges enfouis 90 pages plus loin dans sa fiche système de 134 pages.

Analyse des benchmarks : là où il gagne, là où il ne gagne pas

Soyons précis sur ce que Sonnet 4.6 fait réellement bien et sur les domaines où Opus conserve un avantage. Les chiffres comptent ici, car dire qu’« ils sont quasiment identiques » est vrai pour certaines tâches et trompeur pour d’autres.

Là où Sonnet 4.6 égale ou dépasse Opus 4.6

Utilisation d’un ordinateur (OSWorld-Verified) : 72,5 % contre 72,7 %. Quasiment à égalité.

Tâches bureautiques du monde réel (GDPval-AA) : Sonnet 4.6 a obtenu un ELO de 1633, devançant même légèrement les 1606 d’Opus 4.6. Ce benchmark, réalisé par Artificial Analysis, teste les modèles sur 220 tâches professionnelles couvrant 44 métiers (comptables, analystes, designers, éditeurs) et 9 secteurs. Il s’agit par exemple de « préparer dans Excel un échéancier d’amortissement détaillé pour des charges payées d’avance » ou de « créer une présentation commerciale analysant les tendances du marché ». Sonnet 4.6 est désormais le modèle numéro 1 de ce classement.

Analyse financière (Finance Agent de Vals AI) : 63,3 % avec une réflexion maximale, devant Opus 4.6 (60,05 %) et GPT-5.2 (58,53 %). Ce test mesure les recherches effectuées à partir des documents déposés auprès de la SEC par des entreprises cotées.

Automatisation web (WebArena-Verified) : Sonnet 4.6 a obtenu des résultats de pointe sur l’ensemble du test, dépassant Opus 4.6 parmi les systèmes à agent unique.

Recherche agentique (BrowseComp) : 74,72 %, au-dessus d’Opus 4.5, et 82,62 % avec une configuration multi-agents.

Recherche approfondie (DeepSearchQA) : résultats de pointe parmi tous les modèles testés.

Service client (τ²-bench) : 97,9 % dans les télécommunications, 91,7 % dans la vente au détail. Presque parfait.

Raisonnement sur des graphes à long contexte (GraphWalks) : Sonnet 4.6 est en fait le meilleur modèle d’Anthropic pour cette tâche, devant même Opus 4.6.

Compréhension de graphiques scientifiques (CharXiv Reasoning) : 77,4 % avec des outils, au niveau d’Opus 4.6.

Calculs médicaux (MedCalc-Bench) : 86,24 %, légèrement au-dessus d’Opus 4.6 (85,24 %).

Cybersécurité (CyberGym) : 65,2 %, presque au niveau des 66,6 % d’Opus 4.6.

Benchmarks de raisonnement (SimpleBench) : désormais au niveau d’Opus 4, selon les tests indépendants de LM Council.

Ingénierie du contexte (Letta Context-Bench) : amélioration de 70 % de l’efficacité en tokens et de 38 % de la précision par rapport à Sonnet 4.5.

Là où Opus 4.6 reste en tête

Codage pur (SWE-bench Verified) : 79,6 % contre 80,8 %. L’écart est faible, mais Opus conserve un léger avantage pour les tâches complexes d’ingénierie logicielle.

Tâches dans le terminal (Terminal-Bench 2.0) : 59,1 % contre 65,4 %. L’avantage d’Opus est plus net ici.

Raisonnement le plus approfondi (GPQA Diamond) : 89,9 % contre 91,3 %. Pour les questions scientifiques de niveau universitaire avancé, Opus reste devant.

Analyse des causes profondes (OpenRCA) : 27,9 % contre 34,9 %. Opus est nettement meilleur pour diagnostiquer des défaillances logicielles complexes dans les systèmes d’entreprise.

Intelligence fluide ARC-AGI-2 : 58,3 % contre 68,8 %. Pour le raisonnement sur des schémas inédits, Opus conserve une avance confortable.

Refactorisation de bases de code et coordination multi-agents : Anthropic souligne explicitement qu’Opus 4.6 reste le meilleur choix pour les tâches exigeant « le raisonnement le plus approfondi ».

Pour les tâches qui ressemblent à du travail (feuilles de calcul, présentations, analyse de données, automatisation du navigateur, utilisation d’outils, recherche financière), Sonnet 4.6 est fonctionnellement interchangeable avec Opus. Pour les tâches qui ressemblent à de l’informatique théorique exigeante (débogage complexe, raisonnement inédit, refactorisation de code à grande échelle), Opus conserve un avantage.

Comme l’a expliqué Alex Finn dans sa vidéo d’analyse : « Sonnet n’est meilleur qu’Opus dans aucun domaine précis, mais il est tout aussi bon qu’Opus 4.6 lorsqu’il s’agit spécifiquement de tâches agentiques. C’est énorme, car cela signifie qu’il est tout aussi bon comme cerveau pour des outils comme OpenClaw et Claude Code… pour un cinquième du prix. »

Ce que les développeurs en font réellement

La réaction de la communauté des développeurs a été immédiate et révélatrice.

OpenClaw a publié le jour même une mise à jour prenant en charge Sonnet 4.6, et les utilisateurs le présentent comme le nouveau modèle par défaut de leurs workflows d’agents IA. La logique est simple : si les performances en matière d’utilisation d’un ordinateur et d’outils sont essentiellement identiques à celles d’Opus, mais que le coût est cinq fois moindre, on utilise Sonnet pour tout sauf les tâches de codage les plus difficiles.

L’analyse d’Alex Finn a présenté un cadre de décision pratique : utiliser Sonnet 4.6 comme modèle d’agent principal, réserver Opus à la planification ou à l’implémentation en une seule passe de composants complexes, et utiliser Codex pour les tâches de codage pur au sein de frameworks d’agents.

Meta Alchemist a résumé le consensus : « Sonnet 4.6 semble avoir été conçu pour OpenClaw… vu l’importance accordée à l’exécution d’applications sur votre ordinateur et à l’utilisation d’outils. Les niveaux sont presque identiques à ceux d’Opus 4.6 dans ces domaines. Si vous utilisez Claude avec OpenClaw, Sonnet 4.6 sera plus rapide et moins cher qu’Opus. »

Letta, l’entreprise à l’origine du framework d’agents, a intégré Sonnet 4.6 et fait état de performances proches de celles d’Opus pour les tâches d’ingénierie du contexte, avec une efficacité des tokens supérieure de 70 %. L’entreprise a toutefois relevé une différence comportementale : Sonnet 4.6 est moins susceptible de déléguer le travail à des sous-agents ou de déclencher explicitement des modes de planification ; un réglage des prompts peut donc être nécessaire pour les configurations multi-agents complexes.

Cline 3.64.0 a été lancé avec la prise en charge de Sonnet 4.6, en mettant en avant une communication plus claire avec l’assistant de codage, une meilleure intégration aux frameworks et une recherche améliorée dans les bases de code.

L’équipe de Firecrawl a identifié ce qu’elle appelle « la stack parfaite pour l’automatisation web » : Sonnet 4.6, Agent Browser et le bac à sable de navigateur de Firecrawl.

Et Wes Winder a livré l’indispensable rappel à la réalité sous forme de mème : « Sonnet 4.6 vient de refactoriser toute ma base de code en un seul appel. 64 appels d’outils. Plus d’un million de nouvelles lignes. 17 fichiers entièrement nouveaux. Il a tout modularisé. Séparé les monolithes. Nettoyé le code spaghetti. Rien ne fonctionnait. Mais qu’est-ce que c’était beau. »

Le paysage concurrentiel : comment il se compare à GPT-5.2 et Gemini 3 Pro

Il vaut la peine de replacer Sonnet 4.6 dans son contexte concurrentiel plus large, car il ne s’agit pas seulement d’une histoire Anthropic contre Anthropic.

Sur GDPval-AA (travail intellectuel du monde réel), l’ELO de 1633 de Sonnet 4.6 le place nettement devant GPT-5.2 (1462) et Gemini 3 Pro (1201). Sur le benchmark Finance Agent, il devance GPT-5.2 de près de 5 points de pourcentage. Sur DeepSearchQA (tâches de recherche en plusieurs étapes), il affiche des résultats de pointe parmi tous les modèles testés.

Sur les benchmarks de raisonnement traditionnels, la concurrence est plus serrée. GPT-5.2 arrive en tête sur GPQA Diamond (93,2 % contre 89,9 %) et MMMU-Pro avec outils (80,4 % contre 75,6 %). Gemini 3 Pro domine la compréhension multilingue de MMMLU (91,8 % contre 89,3 %). Mais il s’agit de benchmarks universitaires qui, de plus en plus, ne permettent pas de prédire quel modèle sera le plus utile en pratique.

L’avantage plus singulier de Sonnet 4.6 réside dans l’infrastructure qui l’entoure. L’appel programmatique d’outils, la compression du contexte, la réflexion adaptative et l’API d’utilisation d’un ordinateur sont autant de capacités que GPT-5.2 et Gemini 3 Pro ne proposent pas ou implémentent différemment. Pour les développeurs qui construisent des systèmes agentiques, ces fonctionnalités comptent souvent davantage que quelques points de pourcentage dans un test à choix multiples.

Un chiffre intéressant de la fiche système : Anthropic a mesuré la quantité de « réflexion » de chaque modèle sur des questions multilingues. Gemini 3 Pro a utilisé 1 078 tokens par question. Sonnet 4.5 en a utilisé 437. Sonnet 4.6, 246. Opus 4.6, 191. GPT-5.2 Pro, 127. Les modèles atteignent une précision comparable avec des niveaux d’effort de calcul radicalement différents, ce qui signifie que l’efficacité — et donc le coût et la vitesse — varie énormément, même lorsque les scores aux benchmarks semblent similaires.

Lors de l’audit de sécurité open source Petri, qui permet une comparaison directe entre différents fournisseurs de modèles, Sonnet 4.6 a présenté de meilleures propriétés de sécurité que tous les modèles d’API des autres fournisseurs testés, notamment GPT-5.2, Gemini 3 Pro, Grok 4.1 Fast et Kimi K2.5.

Comment interpréter tout cela si vous utilisez réellement l’IA pour travailler

Voici la conclusion pratique, débarrassée du jargon des benchmarks.

• Si vous utilisez Claude sur le site web ou dans l’application : Sonnet 4.6 est désormais votre modèle par défaut. Vous n’avez rien à faire. Il est plus rapide et plus performant que celui dont vous disposiez hier, notamment pour la création de fichiers, l’analyse de données et toutes les tâches impliquant des feuilles de calcul, des documents ou des recherches web.
• Si vous utilisez Claude Code ou des outils de programmation agentique : Sonnet 4.6 devrait être votre modèle par défaut pour la plupart des tâches. Réservez Opus aux décisions d’architecture complexes, aux refactorisations de grande ampleur ou aux situations où vous avez besoin d’obtenir la meilleure qualité de code possible dès le premier essai. La fenêtre de contexte de 1 M de tokens lui permet de conserver l’intégralité de votre base de code en mémoire.
• Si vous développez des applications avec l’API Claude : l’association des performances de Sonnet 4.6 et de l’appel programmatique d’outils permet de réduire sensiblement les coûts. Les tâches qui nécessitaient des modèles de niveau Opus — et une tarification de niveau Opus — peuvent désormais être exécutées avec Sonnet. La fenêtre de contexte de 1 M de tokens, combinée à la compression du contexte, permet de créer des agents qui fonctionnent beaucoup plus longtemps sans atteindre de limites.
• Si vous travaillez dans la finance : il s’agit réellement du modèle d’IA le plus performant actuellement disponible pour les tâches d’analyse financière, notamment la recherche dans les documents déposés auprès de la SEC, la modélisation financière et la génération de documents structurés. Les benchmarks le confirment, et il est rare qu’un modèle de la gamme Sonnet surpasse toutes les variantes d’Opus et de GPT lors d’une évaluation spécialisée dans la finance.
• Si vous évaluez des modèles d’IA pour votre organisation : les résultats de GDPval-AA sont probablement le benchmark le plus pertinent à examiner. Il évalue des tâches professionnelles réelles dans de véritables métiers, et Sonnet 4.6 occupe actuellement la première place, juste devant Opus 4.6. Pour la plupart des cas d’usage liés au « travail intellectuel », c’est actuellement le meilleur rapport qualité-prix dans le domaine de l’IA.

Sonnet 4.6 est le fruit de la rencontre entre une intelligence de niveau Opus et un prix de niveau Sonnet, et il a été conçu dès le départ pour répondre à ce qui définira l’année à venir de l’IA : des agents qui travaillent réellement à votre place.

L’ère de l’IA comme « chatbot auquel on pose des questions » cède rapidement la place à celle de l’IA comme « collègue qui utilise votre ordinateur, lit vos documents et accomplit des tâches pendant que vous dormez ». Sonnet 4.6 est le modèle qui rend cette transition économiquement viable pour tout le monde, et pas seulement pour les entreprises prêtes à dépenser des milliers de dollars par jour en coûts d’API.

Pour la plupart des gens, ce devrait tout simplement être le modèle que vous utilisez. Pas d’astérisque, pas de réserve, pas de « mais attendez Opus ». Utilisez-le, c’est tout.

Note de la rédaction : ce contenu a d’abord été publié dans la newsletter de notre publication sœur, The Neuron. Pour lire d’autres articles de The Neuron, inscrivez-vous à sa newsletter ici.